Tests de validité d’hypothèse

Il s’agit à partir de l’étude de un ou plusieurs échantillons de construire un test qui permettra de

prendre une décision concernant la population mère. Bien entendu, ne connaissant pas l’ensemble de la
population, on risque de se tromper en prenant cette décision.

Pour construire ce test, on formule une hypothèse concernant la population, appelée hypothèse
nulle notée H0 . Le test doit permettre d’accepter cette hypothèse ou de la rejeter. Il y a alors quatre
possibilités :
• on accepte H0 alors qu’elle est vraie
• on rejette H0 alors qu’elle est vraie
• on accepte H0 alors qu’elle est fausse
• on rejette H0 alors qu’elle est fausse
Dans le premier et le dernier cas, la conclusion est correcte, mais on commet une erreur dans les
deux autres cas. L’erreur qui consiste à rejeter H0 alors qu’elle est vraie s’appelle l’erreur de première
espèce et l’erreur qui consiste à accepter H0 alors qu’elle est fausse s’appelle l’erreur de deuxième
espèce. Les probabilités d’aboutir à ces erreurs sont appelées risque de première espèce noté α et risque
de deuxième espèce noté β.

Dans la pratique on ne considérera que le risque α, pour lequel on va se donner une limite supé-
rieure, en général 5 %, 1 % ou 0,1 %. Cette limite est le niveau de signification du test qui permet de
définir la condition de rejet de l’hypothèse nulle.

Les tests étudiés ici sont relatifs à une moyenne ou à une fréquence.

1 Test bilatéral
1.1 Comparaison d’une moyenne à un nombre fixé
On formule une hypothèse concernant la moyenne m inconnue de la population ; c’est l’hypothèse
nulle H0 : m = m0 .
L’hypothèse alternative notée H1 est : m 6= m0 .
On se place dans le cas d’une loi normale de moyenne m et d’écart type σ. On sait alors que si
X
√
est la variable aléatoire qui à tout échantillon aléatoire non exhaustif de taille n associe sa moyenne,
n
σ (X − m) suit la loi normale centré réduite N (0 ; 1) et

P (m − t √σn ≤ X ≤ m + t √σn ) = 2Π(t) − 1 = 1 − α.

Donc si l’hypothèse H0 est vraie, la probabilité que la moyenne x d’un échantillon de taille n
prélevé au hasard, (dans la pratique, on prend n ≥ 30), appartienne à l’intervalle [m0 − t √σn ; m0 + t √σn ]
est égale à 1 − α.
Iα = [m0 − t √σn ; m0 + t √σn ] est l’intervalle d’acceptation de H0 au seuil de risque α, avec t
vérifiant Π(t) = 1 − α2 .
On prélève alors un échantillon de taille n et de moyenne x et la règle de décision est la suivante :
si x ∈ Iα on accepte H0
si x ∈
/ Iα on rejette H0

1
 Remarque : α est la probabilité de rejeter H0 alors que H0 est vraie. Donc si H0 est vraie, on
prend le rique de se tromper dans α % des cas en rejetant H0 . Le risque α s’appelle aussi le seuil de
signification du test.
On court aussi le risque de ne pas rejeter H0 alors que H0 est fausse (risque de 2ème espèce).

Une autre manière de procéder est la suivante : √

n
après avoir prélevé l’échantillon, on calcule l’écart réduit : e = σ (x − m0 ).
La règle de décision est alors :
si e ∈ [−t; t], on ne rejette pas l’hypothèse H0
si e ∈
/ [−t; t], on rejette l’hypothèse H0

Remarque : si σ est inconnu, on le remplace par une estimation ponctuelle.

1.2 Comparaison d’une fréquence à une fréquence théorique

On construit de la même manière que précédemment un test permettant de comparer la fréquence
f dans un échantillon de taille n, à la fréquence théorique p dans la population :
f −p q
Au seuil de risque α, on calcule l’écart réduit e = avec σ = p(1−p)n ;
σ
si e ∈ [−t; t], on ne rejette pas l’hypothèse H0
si e ∈
/ [−t; t], on rejette l’hypothèse H0

2 Test unilatéral
Il s’agit de savoir si la moyenne ou la proportion de la population mère a été modifiée de manière
significative. Pour cela, on compare la valeur de e à une valeur de référence de façon unilatérale : au
risque α, on calcule t tel que Π(t) = 1 − α.
L’hypothèse alternative H1 peut être de deux sortes :
• H1 : la moyenne (ou la proportion) a augmenté de manière significative ;
Si e > t, alors on rejette H0
• H1 : la moyenne (ou la proportion) a diminué de manière significative ;
Si e < −t, alors on rejette H0

3 Comparaison de deux populations

3.1 Comparaison des moyennes
A partir de deux échantillons, prélevés sur deux populations A et B, on construit un test permettant
de déterminer s’il y a une différence significative entre les moyennes des deux populations.
L’hypothèse nulle H0 est : mA = mB .
L’hypothèse alternative H1 est mA 6= mB dans le cas d’un test bilatéral.
σA
On suppose que X A suit la loi normale de moyenne mA et d’écart type √ , que X B suit la loi
nA
σB
normale de moyenne mB et d’écart type √ et que les variables X A et X B sont indépendantes.
nB
La variable aléatoire X B − X A suit alors la loi normale de moyenne mB − mA et d’écart type
q 2
σA 2
σB
σ= nA + nB .

2
 En effet E(X B − X A ) = E(X B ) − E(X A ) = mB − mA
2
σB 2
σA
et V (X B − X A ) = V (X B ) + V (X A ) = nB + nA

XB − XA
Sous l’hypothèse nulle, la variable aléatoire suit la loi normale centrée réduite et donc,
σ
α
xB − xA
au risque α, avec Π(t) = 1 − 2 et e =
σ
si e ∈ [−t; t], on ne rejette pas l’hypothèse H0
si e ∈
/ [−t; t], on rejette l’hypothèse H0

Remarque : si σA et σB ne sont pas connus, on peut les estimer à l’aide des écart types des
échantillons sA et sB .

3.2 Comparaison des fréquences

Le test se construit de la même manière que précédemment.
q nulle H0 est : pA = pB .
L’hypothèse
Soit σ = p(1 − p)( n1A + n1B ) où p est estimé par nA fnAA+n
nB
B fB
,
α
f1 − f2
au risque α , avec Π(t) = 1 − 2 et e =
σd
si e ∈ [−t; t], on ne rejette pas l’hypothèse H0
si e ∈
/ [−t; t], on rejette l’hypothèse H0 .